Проверка гипотез о законе распределения


  Мало опытов – мало информации, и дело наше плохо. А будет ли при этом доверительный интервал немного больше или меньше, не так уж важно (тем более, что и доверительная вероятность назначена произвольно). Вентцель Е.С. Методологические особенности прикладной математики на современном этапе.

 

Обычно сущность проверки гипотезы о законе распределения ЭД заключается в следующем. Имеется выборка ЭД фиксированного объема, выбран или известен вид закона распределения генеральной совокупности. Необходимо оценить по этой выборке параметры закона, определить степень согласованности ЭД и выбранного закона распределения, в котором параметры заменены их оценками. Пока не будем касаться способов нахождения оценок параметров распределения, а рассмотрим только вопрос проверки согласованности распределений с использованием наиболее употребительных критериев.

Критерий хи-квадрат К. Пирсона

Использование этого критерия основано на применении такой меры (статистики) расхождения между теоретическим F(x) и эмпирическим распределением Fп(x), которая приближенно подчиняется закону распределения c2. Гипотеза Н0 о согласованности распределений проверяется путем анализа распределения этой статистики. Применение критерия требует построения статистического ряда.

Итак, пусть выборка представлена статистическим рядом с количеством разрядов y. Наблюдаемая частота попаданий в i-й разряд ni. В соответствии с теоретическим законом распределения ожидаемая частота попаданий в i-й разряд составляет Fi. Разность между наблюдаемой и ожидаемой частотой составит величину d= (niFi). Для нахождения общей степени расхождения между F(x) и Fп(x) необходимо подсчитать взвешенную сумму квадратов разностей по всем разрядам статистического ряда

. (3.7)

Величина c2 при неограниченном увеличении n имеет распределение хи-квадрат (асимптотически распределена как хи-квадрат). Это распределение зависит от числа степеней свободы k, т.е. количества независимых значений слагаемых в выражении (3.7). Число степеней свободы равно числу y минус число линейных связей, наложенных на выборку. Одна связь существует в силу того, что любая частота может быть вычислена по совокупности частот в оставшихся y–1разрядах. Кроме того, если параметры распределения неизвестны заранее, то имеется еще одно ограничение, обусловленное подгонкой распределения к выборке. Если по выборке определяютсяfпараметров распределения, то число степеней свободы составит k=y–f–1.

Очевидно, что чем меньше расхождение между теоретическими и эмпирическими частотами, тем меньше величина критерия. Область принятия гипотезы Н0 определяется условием c2<c2(k; a), где c2(k; a) – критическая точка распределения хи-квадрат с уровнем значимости a.Вероятность ошибки первого рода равна a,вероятность ошибки второго рода четко определить нельзя, потому что существует бесконечно большое множество различных способов несовпадения распределений. Мощность критерия зависит от количества разрядов и объема выборки. Критерий рекомендуется применять при n>200, допускается применение при n>40, именно при таких условиях критерий состоятелен (как правило, отвергает неверную нулевую гипотезу).

Пример 3.1.Проверить с помощью критерия хи-квадрат гипотезу о нормальности распределения случайной величины, представленной статистическим рядом в табл. 2.4 при уровне значимости a=0,05.

Решение . В примере 2.3 были вычислены значения оценок моментов:

m1=27,51, m2=0,91, s=0,96.

На основе табл. 2.4 построим табл. 3.2, иллюстрирующую расчеты.

Таблица 3.2

Номер интервала, i
ni
xi 26,37 26,95 27,53 28,12 28,70 бесконечность
F(xi) 0,117 0,280 0,508 0,737 0,892
D Fi 0,117 0,166 0,228 0,228 0,155 0,108
Fi 5,148 7,304 10,032 10,032 6,820 4,752
(ni - Fi)2/Fi 0,004 0,394 0,0001 0,1062 0,486 0,328

В этой таблице:

ni – частота попаданий элементов выборки в i-й интервал;

xi – верхняя граница i-го интервала;

F(xi) – значение функции нормального распределения;

DFi – теоретическое значение отклонения вероятности попадания случайной величины в i-й интервал

Fi=DFi*n – теоретическая частота попадания случайной величины в i-й интервал;

(niFi)2/Fi – взвешенный квадрат отклонения.

Для нормального закона возможные значения случайной величины лежат в диапазоне от минус до плюс бесконечности, поэтому при расчетах оценок вероятностей крайний левый и крайний правый интервалы расширяются до минус и плюс бесконечности соответственно. Вычислить значения функции нормального распределения можно, воспользовавшись стандартными функциями табличного процессора или полиномом наилучшего приближения.

Сумма взвешенных квадратов отклонения c2=1,32. Число степеней свободы

k = 6–1–2=3,

так как уклонения связаны линейным соотношением

,

кроме того, на уклонения наложены еще две связи, ибо по выборке были определены два параметра распределения. Критическое значение c2(3; 0,05)=7,815 определяется по табл. П.3 приложения. Поскольку соблюдается условие c2<c2(3; 0,05), то полученный результат нельзя считать значимым и гипотеза о нормальном распределении генеральной совокупности не противоречит ЭД.

Критерий А.Н. Колмогорова

Для применения критерия А.Н. Колмогорова ЭД требуется представить в виде вариационного ряда (ЭД недопустимо объединять в разряды). В качестве меры расхождения между теоретической F(x) и эмпирической Fn(x) функциями распределения непрерывной случайной величины Х используется модуль максимальной разности

(3.8)

А.Н. Колмогоров доказал, что какова бы ни была функция распределения F(x) величины Х при неограниченном увеличении количества наблюдений n функция распределения случайной величины

асимптотически приближается к функции распределения

.

Иначе говоря, критерий А.Н. Колмогорова характеризует вероятность того, что величина

не будет превосходить параметр L для любой теоретической функции распределения. Уровень значимости a выбирается из условия

,

в силу предположения, что почти невозможно получить это равенство, когда существует соответствие между функциями F(x) и Fn(x). Критерий А.Н. Колмогорова позволяет проверить согласованность распределений по малым выборкам, он проще критерия хи-квадрат, поэтому его часто применяют на практике. Но требуется учитывать два обстоятельства.

1. В соответствии с условиями его применения необходимо пользоваться следующим соотношением

где

.

2. Условия применения критерия предусматривают, что теоретическая функция распределения известна полностью – известны вид функции и значения ее параметров. На практике параметры обычно неизвестны и оцениваются по ЭД. Но критерий не учитывает уменьшение числа степеней свободы при оценке параметров распределения по исходной выборке. Это приводит к завышению значения вероятности соблюдения нулевой гипотезы, т.е. повышается риск принять в качестве правдоподобной гипотезу, которая плохо согласуется с ЭД (повышается вероятность совершить ошибку второго рода). В качестве меры противодействия такому выводу следует увеличить уровень значимости a, приняв его равным a= 0,1 … 0,2,что приведет к уменьшению зоны допустимых отклонений.

Пример 3.2.Проверить с помощью критерия А.Н. Колмогорова гипотезу о том, что ЭД, представленные в табл. 2.3, подчиняются нормальному распределению при уровне значимости a=0,1.

Решение. Исходные данные и результаты вычислений сведены в табл. 3.3. Необходимые вычисления можно провести с использованием табличного процессора: значение эмпирической функции распределения Fn(xi)=i/44; значения теоретической функции F(xi) – это значение функции нормального распределения в точке xi.

Таблица 3.3

i
xi 25,79 25,98 25,98 26,12 26,13 26,49 26,52 26,60 26,66 26,69 26,74
Fn(xi) 0,023 0,046 0,068 0,091 0,114 0,136 0,159 0,182 0,204 0,227 0,250
F(xi) 0,036 0,055 0,055 0,073 0,075 0,144 0,151 0,170 0,188 0,196 0,211
dn+ 0,014 0,009 0,013 0,018 0,038 0,008 0,008 0,012 0,016 0,032 0,039
dn- 0,036 0,032 0,010 0,005 0,016 0,031 0,014 0,011 0,006 0,009 0,016

 

i
xi 26,85 26,90 26,91 26,96 27,02 27,11 27,19 27,21 27,28 27,30 27,38
Fn(xi) 0,273 0,296 0,318 0,341 0,364 0,386 0,409 0,432 0,455 0,477 0,500
F(xi) 0,246 0,263 0,267 0,284 0,305 0,337 0,371 0,378 0,406 0,412 0,447
dn+ 0,027 0,032 0,051 0,057 0,059 0,050 0,038 0,054 0,049 0,065 0,053
dn- 0,004 0,010 0,028 0,034 0,036 0,027 0,015 0,031 0,026 0,042 0,031
i
xi 27,40 27,49 27,64 27,66 27,71 27,78 27,89 27,89 28,01 28,10 28,11
Fn(xi) 0,523 0,546 0,568 0,591 0,614 0,636 0,659 0,682 0,705 0,727 0,750
F(xi) 0,456 0,492 0,555 0,561 0,583 0,610 0,656 0,656 0,701 0,731 0,735
dn+ 0,067 0,053 0,013 0,030 0,031 0,026 0,003 0,026 0,003 0,004 0,015
dn- 0,044 0,031 0,010 0,007 0,008 0,003 0,019 0,003 0,020 0,027 0,008
i
xi 28,37 28,38 28,50 28,63 28,67 28,90 28,99 28,99 29,03 29,12 29,28
Fn(xi) 0,773 0,795 0,818 0,841 0,864 0,886 0,909 0,932 0,955 0,977 1,000
F(xi) 0,817 0,819 0,851 0,879 0,888 0,928 0,939 0,940 0,944 0,954 0,968
dn+ 0,044 0,024 0,032 0,038 0,024 0,042 0,030 0,008 0,010 0,024 0,032
dn- 0,067 0,046 0,055 0,061 0,047 0,064 0,053 0,031 0,013 0,001 0,009
                                           
                                               

В данном примере максимальные значения dn+иdn- одинаковы и равны 0,067. Из табл. П.1 при a=0,1 найдем L=1,22. Для n=44 критическое значение

0,184.

Поскольку величина max dn=0,067 меньше критического значения, то гипотеза о принадлежности выборки нормальному закону не отвергается.

 

Критерий Р. Мизеса

В качестве меры различия теоретической функции распределения F(x) и эмпирической Fn(x) по критерию Мизеса (критерию w2) выступает средний квадрат отклонений по всем значениям аргумента x

(3.9)

Статистика критерия

(3.10)

При неограниченном увеличении n существует предельное распределение статистики nwn2. Задав значение вероятностиa можно определить критические значения nwn2 (a). Проверка гипотезы о законе распределения осуществляется обычным образом: если фактическое значение nwn2 окажется больше критического или равно ему, то согласно критерию Мизеса с уровнем значимостиa гипотеза НО о том, что закон распределения генеральной совокупности соответствует F(x), должна быть отвергнута.

 

 

Пример 3.3.Проверить с помощью критерия Мизеса гипотезу о том, что ЭД, представленные вариационным рядом, табл. 2.3, подчиняются нормальному распределению при уровне значимости a=0,1.

 

Решение . Исходные данные и результаты вычислений представлены в табл. 3.4.

Таблица 3.4

i
xi 25,79 25,98 25,98 26,12 26,13 26,49 26,52 26,60 26,66 26,69 26,74
Fn(xi) 0,011 0,034 0,057 0,080 0,102 0,125 0,148 0,171 0,193 0,216 0,237
F(xi) 0,036 0,055 0,055 0,073 0,075 0,144 0,151 0,170 0,188 0,196 0,211
Di 0,618 0,429 0,003 0,047 0,726 0,378 0,009 0,000 0,025 0,409 0,742

 

i
xi 26,85 26,90 26,91 26,96 27,02 27,11 27,19 27,21 27,28 27,30 27,38
Fn(xi ) 0,261 0,284 0,307 0,330 0,352 0,375 0,398 0,421 0,443 0,466 0,489
F(xi ) 0,246 0,263 0,267 0,284 0,305 0,337 0,371 0,378 0,406 0,412 0,447
Di 0,231 0,439 1,572 2,071 2,243 1,467 0,717 1,790 1,391 2,866 1,755
i
xi 27,40 27,49 27,64 27,66 27,71 27,78 27,89 27,89 28,01 28,10 28,11
Fn(xi) 0,511 0,534 0,557 0,580 0,602 0,625 0,648 0,671 0,693 0,716 0,739
F(xi) 0,456 0,492 0,555 0,561 0,583 0,610 0,656 0,656 0,701 0,731 0,735
Di 3,103 1,765 0,003 0,332 0,374 0,216 0,063 0,213 0,067 0,238 0,013
i
xi 28,37 28,38 28,50 28,63 28,67 28,90 28,99 28,99 29,03 29,12 29,28
Fn(xi) 0,761 0,784 0,807 0,830 0,852 0,875 0,898 0,921 0,943 0,966 0,989
F(xi ) 0,817 0,819 0,851 0,879 0,888 0,928 0,939 0,940 0,944 0,954 0,968
Di 3,090 1,230 1,908 2,461 1,271 2,791 1,737 0,381 0,001 0,149 0,432

В этой таблице:

Fn(xi)=(i–0,5)/44 – значение эмпирической функции распределения;

F(xi) – значение теоретической функции распределения, соответствует значению функции нормального распределения в точке xi;

Di=1000[Fn(xi)–F(xi)]2. Здесь масштабный множитель 1000 введен для удобства отображения данных в таблице, при расчетах он не используется.

Критическое значение статистики критерия Мизеса при заданном уровне значимости равно 0,347, табл. П.2. Фактическое значение статистики

,

что меньше критического значения. Следовательно, гипотеза Н0 не противоречит имеющимся данным.

Достоинством критерия Мизеса является быстрая сходимость к предельному закону, для этого достаточно не менее 40 наблюдений в области часто используемых на практике больших значений nwn (а не несколько сотен, как для критерия хи-квадрат).

Сопоставляя возможности различных критериев, необходимо отметить следующие особенности.

Критерий Пирсона устойчив к отдельным случайным ошибкам в ЭД. Однако его применение требует группирования данных по интервалам, выбор которых относительно произволен и подвержен противоречивым рекомендациям.

Критерий Колмогорова слабо чувствителен к виду закона распределения и подвержен влиянию помех в исходной выборке, но прост в применении.

Критерий Мизеса имеет ряд общих свойств с критерием Колмогорова: оба основаны непосредственно на результатах наблюдения и не требуют построения статистического ряда, что повышает объективность выводов; оба не учитывают уменьшение числа степеней свободы при определении параметров распределения по выборке, а это ведет к риску принятия ошибочной гипотезы. Их предпочтительно применять в тех случаях, когда параметры закона распределения известны априори, например, при проверке датчиков случайных чисел.

При проверке гипотез о законе распределения следует помнить, что слишком хорошее совпадение с выбранным законом распределения может быть обусловлено некачественным экспериментом («подчистка» ЭД) или предвзятой предварительной обработкой результатов (некоторые результаты отбрасываются или округляются).

Выбор критерия проверки гипотезы относительно произволен. Разные критерии могут давать различные выводы о справедливости гипотезы, окончательное заключение в таком случае принимается на основе неформальных соображений. Точно также нет однозначных рекомендаций по выбору уровня значимости.

Рассмотренный подход к проверке гипотез, основанный на применении специальных таблиц критических точек распределения, сложился в эпоху "ручной" обработки ЭД, когда наличие таких таблиц существенно снижало трудоемкость вычислений. В настоящее время математические пакеты включают процедуры вычисления стандартных функций распределений, что позволяет отказаться от использования таблиц, но может потребовать изменения правил проверки. Например, соблюдению гипотезы Н0 соответствует такое значение функции распределения критерия, которое не превышает значение доверительной вероятности 1–a (оценка статистики критерия соответствует доверительному интервалу). В частности, для примера 3.1 значение статистики критерия хи-квадрат равно 1,318. А значение функции распределения хи-квадрат для этого значения аргумента при трех степенях свободы составляет 0,275, что меньше доверительной вероятности 0,95. Следовательно, нет оснований отвергать нулевую гипотезу.

 



Дата добавления: 2017-10-04; просмотров: 2456;


Поиск по сайту:

Воспользовавшись поиском можно найти нужную информацию на сайте.

Поделитесь с друзьями:

Считаете данную информацию полезной, тогда расскажите друзьям в соц. сетях.
Poznayka.org - Познайка.Орг - 2016-2024 год. Материал предоставляется для ознакомительных и учебных целей.
Генерация страницы за: 0.02 сек.